Gráficos de validação pós-modelagem + variância
No exercício anterior, vimos que int_rate difere por grade. Agora vamos validar esse modelo, o que em regressão linear significa examinar os gráficos Residuals vs. Fitted e Normal Q-Q.
Se você chamar plot() em um objeto de modelo no R, ele vai gerar automaticamente esses dois gráficos e mais dois. Você vai interpretar esses gráficos para avaliar o ajuste do modelo. Discutimos como fazer isso no vídeo.
Outra suposição da ANOVA e da modelagem linear é a homogeneidade das variâncias. Homogeneidade significa "igual" e, aqui, significa que a variância de int_rate é a mesma para cada nível de grade. Podemos testar a homogeneidade das variâncias usando bartlett.test(), que recebe uma fórmula e um conjunto de dados como entradas.
Este exercício faz parte do curso
Planejamento de Experimentos em R
Instruções do exercício
- Execute a primeira linha de código com
par()para que os gráficos sejam exibidos em uma grade 2 por 2. - Chame
plot()emgrade_aov(que já foi criado para você) para produzir os gráficos de diagnóstico do modelo. - Teste a homogeneidade das variâncias usando
bartlett.test().
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# For a 2x2 grid of plots:
par(mfrow=c(___, ___))
# Plot grade_aov
___
# Bartlett's test for homogeneity of variance
___